UrbanKG ni usanifu wa tabaka nne wa grafu ya maarifa uliotengenezwa ili kuhusianisha data za usafiri, nishati, mazingira, usalama wa umma na huduma za raia za miji mahiri katika modeli moja ya pamoja ya kisemantiki. Katika utafiti uliofanywa na Sommai Khantong, Charuay Savithi na Mohammad Nazir Ahmad, Mbinu ya Utafiti wa Sayansi ya Usanifu (Design Science Research Methodology, DSRM) ilitumika; mfumo ulitathminiwa kwa utekelezaji wa uthibitisho wa dhana ulioundwa kutoka vyanzo vya data huria. Grafu ya maarifa iliyopatikana ina triple 287.456 za RDF, huluki 23.847 tofauti, aina 127 za uhusiano na uchunguzi 42.384 wenye alama za wakati. Watafiti wanaripoti kuwa malengo matano ya usanifu yalitimizwa, miundo 23 ya hoja za kuvuka maeneo iliendeshwa kwa mafanikio, na usanifu uliopendekezwa una uwezekano wa kiufundi katika ujumuishaji wa kisemantiki, uwakilishi wa muda, usimamizi wa data wa shirikisho na uhitimishaji mseto. Matokeo haya hayamaanishi kuwa utekelezaji kamili wa uzalishaji hai katika jiji kuu halisi umethibitishwa.

Tatizo la msingi la utafiti si tu kwamba data za mijini zipo katika faili au seva tofauti, bali pia kwamba mifumo tofauti hufafanua vitu, maeneo, nyakati na mahusiano yale yale kwa namna tofauti. UrbanKG hushughulikia mgawanyiko huu wa kisemantiki kupitia ontolojia, vitambulishi sanifu, mahusiano ya RDF, hoja za SPARQL na viungo vya kuvuka maeneo.

Utafiti pia unaonyesha kuwa ufikivu wa huduma ndani ya jiji unaweza kuchunguzwa kwa kutathmini kwa pamoja miundombinu ya usafiri pamoja na hospitali, huduma za umma na viashiria vya mazingira. Hata hivyo, kwa sababu ya vikwazo katika vyanzo vilivyotumika, maamuzi ya sampuli, vipengele sintetiki vya msaada wa dharura na baadhi ya ufafanuzi wa vipimo, matokeo yanapaswa kutafsiriwa pamoja na masharti ya uthibitisho wa dhana yaliyochunguzwa.

1. Tatizo la msingi katika miji mahiri: Kwa nini data pekee haitoshi?

Mifumo ya miji mahiri hukusanya data kutoka miundombinu ya kiufundi inayojitegemea. Mifumo ya usafiri hurekodi vituo, magari, njia na safari; mifumo ya nishati hurekodi mita, vituo vya usambazaji na matumizi; mifumo ya mazingira hurekodi ubora wa hewa na vipimo vya hali ya hewa; mifumo ya usalama wa umma hurekodi matukio na rasilimali za mwitikio; na huduma za raia hurekodi maombi ya huduma na hali zake.

Ingawa rekodi hizi zinahitaji kutathminiwa pamoja, taasisi tofauti zinaweza kutumia modeli tofauti za data, vitambulishi, itifaki za ufikiaji na istilahi. Kwa hiyo, taarifa za usafiri, nishati na mazingira zinazohusu kitongoji kilekile zinaweza kubaki bila kuunganishwa kwa mtazamo wa mifumo ya kompyuta.

Hali hii huitwa kutengwa kwa data katika silo. Kipengele cha kisemantiki cha kutengwa huku ni muhimu hasa: kuhifadhi seti mbili za data kwa muundo mmoja hakuhakikishi kuwa zinawakilisha dhana zilezile au kuwa uhusiano kati yake umefafanuliwa wazi.

Kwa mfano, kitambulishi cha kituo katika rekodi ya usafiri na kitu cha eneo halisi katika seti ya data ya kijiografia vinaweza kuwa na utambulisho tofauti. Kuleta faili pamoja tu bila kuanzisha uhusiano wa pamoja hakuelezi kiotomatiki jinsi rekodi hizo mbili zinavyohusiana.

Tatizo la utafiti la UrbanKG ni kufanya data zinazozalishwa na taasisi tofauti ziweze kuulizwa na kutafsiriwa pamoja kupitia muundo wa pamoja wa kisemantiki bila kuhamisha data zote kikamilifu katika schema moja ya kati.

Grafu ya Maarifa ni Nini na Inafanya Kazi Gani katika Miji Mahiri?

Grafu ya maarifa (Knowledge Graph, KG) ni modeli ya maarifa iliyopangwa ambayo huwakilisha huluki za ulimwengu halisi kwa nodi na mahusiano yaliyofafanuliwa kati ya huluki hizo kwa viungo. Katika miji mahiri, grafu ya maarifa huwezesha huluki kutoka maeneo tofauti—kama kituo cha usafiri, sehemu ya usambazaji umeme, sensa ya mazingira, eneo la kiutawala na huduma ya umma—kuhusianishwa ndani ya mfumo mmoja wa kisemantiki. Utafiti wa UrbanKG huweka grafu za maarifa si kama ghala la lazima la kati linalohifadhi data zote za jiji katika sehemu moja, bali kama miundombinu inayotoa uhusiano wa kisemantiki kati ya vyanzo tofauti vya data.

2. Triple ya RDF: Uhusiano unawakilishwaje na kompyuta?

Mojawapo ya teknolojia za msingi za utafiti chanzo ni Mfumo wa Maelezo ya Rasilimali (Resource Description Framework, RDF). RDF huwakilisha maarifa kama mahusiano ya vipengele vitatu:

Kiima — Kihusishi — Yambwa

Kiima ni huluki ambayo taarifa inatolewa kuihusu. Kihusishi hueleza ni sifa gani au uhusiano gani wa huluki unaobainishwa. Yambwa huonyesha huluki nyingine au thamani ambayo uhusiano unaelekezwa kwake.

Mfano huru wa kufundishia ufuatao unaweza kutumiwa kueleza mbinu ya RDF ya chanzo:

urb:Durak_A  urb:bulunduguBolge  urb:Bolge_5 .

Kauli hii huwakilisha kuwa huluki iitwayo Durak_A ipo katika eneo la kiutawala liitwalo Bolge_5. Majina yaliyopo hapa ni vihifadhi nafasi vya kufundishia; hayawasilishwi kama rekodi halisi zilizothibitishwa katika seti ya data ya UrbanKG.

Katika RDF vitambulishi kamili vinaweza kutumika katika muundo wa URI au IRI. Viambishi awali vilivyofupishwa hufanya vitambulishi virefu vionekane kwa namna inayosomeka zaidi. Maana ya uhusiano pia hufafanuliwa ndani ya ontolojia ili programu tofauti ziweze kutathmini kihusishi kilekile kwa uthabiti.

3. Tofauti kati ya ontolojia, T-Box na A-Box

Ontolojia ni muundo rasmi unaofafanua dhana katika eneo fulani la maarifa, mahusiano kati yake na sifa zake za kimantiki. Katika UrbanKG, ontolojia hutumiwa ili taasisi tofauti ziweze kuwakilisha aina zilezile za huluki kwa maana za pamoja.

T-Box (Terminological Box) ni sehemu ya kimawazo na kischema ya modeli ya maarifa. Hufafanua huluki inaweza kuwa katika darasa gani, jinsi madarasa yanavyohusiana na ni aina gani za huluki ambazo sifa zinaweza kutumika kwake.

A-Box (Assertional Box) ina rekodi za mfano za huluki mahususi na mahusiano halisi kati ya huluki hizo.

Kwa mfano, kufafanua darasa liitwalo "TopluTaşımaDurağı" katika ontolojia ni operesheni ya kimawazo katika kiwango cha T-Box. Kueleza kuwa huluki fulani ya kituo ni ya darasa hilo ni taarifa ya mfano katika kiwango cha A-Box.

Katika uthibitisho wa dhana wa UrbanKG, triple 287.456 za RDF ziliripotiwa kama rekodi za A-Box. Idadi hii haipaswi kuchanganywa na idadi ya madarasa katika ontolojia.

4. RDF, RDFS, OWL, SHACL, SPARQL na GeoSPARQL zinatofautianaje?

Viwango hivi havifanyi kazi moja. RDF huwakilisha data, ontolojia hupanga maana ya data hiyo, SHACL hutoa ukaguzi wa ulinganifu, SPARQL huuliza, na GeoSPARQL huwezesha operesheni za nafasi.

Hasa, uhitimishaji wa kimantiki katika OWL na ukaguzi wa ulinganifu wa data katika SHACL lazima vitenganishwe. Uwezo wa kutoa uhusiano mpya kimantiki katika grafu haumaanishi kuwa data zinakidhi vikwazo vyote vya programu.

5. Uhusiano kati ya grafu ya maarifa na pacha dijitali

Pacha dijitali (digital twin) ni mbinu ya mfumo inayowakilisha huluki au mfumo wa kimwili katika mazingira ya kidijitali na inayoweza kusasishwa kupitia viungo vinavyofaa vya data. Grafu ya maarifa si sawa kabisa na muundo huo wenyewe.

Katika mbinu ya UrbanKG, grafu ya maarifa inaweza kuunda miundombinu ya kisemantiki inayowakilisha huluki za kimwili na kiutawala, mahusiano kati yake, muktadha wa kijiografia na asili ya data. Vipengele vya uoneshaji au uigaji vya pacha dijitali vinaweza kufanya kazi juu ya maarifa haya yaliyopangwa.

Katika utafiti chanzo, usawazishaji wa pacha dijitali umetajwa miongoni mwa uwezekano wa matumizi ya usanifu. Hii haimaanishi kuwa pacha dijitali wa jiji wenye utendaji kamili uliendeshwa katika mazingira hai katika utafiti.

6. Pengo ambalo UrbanKG inajaribu kutatua katika fasihi

Utafiti chanzo unaeleza kuwa mbinu za awali kuhusu grafu za maarifa za miji mahiri zimefanya maendeleo muhimu katika maeneo fulani ya data kama usafiri au uhamaji, lakini bado kuna maswali wazi ya utafiti kuhusu usimamizi wa pamoja wa data za taasisi huru, uhitimishaji wa kuvuka maeneo na tathmini ya kimfumo ya matokeo ya kiufundi.

Km4City, mbinu ya UrbanKG ya Liu na wenzake, grafu za maarifa za mijini zenye mwelekeo wa muda na kazi za awali kama Snap4City zinajadiliwa ndani ya mfumo wa kulinganisha wa utafiti.

Kwa hiyo, mchango wa utafiti mpya si kutumia teknolojia ya grafu ya maarifa kwa mara ya kwanza katika miji mahiri. Mchango ni kuweka usanifu unaoanza na ontolojia, usimamizi wa data wa shirikisho, uwakilishi wa maarifa kwa wakati, muunganiko wa uhitimishaji wa kideduktivu na kiinduktivu, na tathmini ya uthibitisho wa dhana ndani ya mfumo mmoja wa usanifu.

Chanzo pia kina kulinganisha na tafiti za awali. Ulinganisho huu unategemea vipengele vilivyoripotiwa katika makala zilizochunguzwa; haupaswi kutafsiriwa kama mashindano huru na kamili ya kimataifa ya utendaji wa teknolojia zote zinazowezekana za grafu ya maarifa.

Usanifu wa Tabaka Nne wa UrbanKG Unafanyaje Kazi?

Usanifu wa tabaka nne wa UrbanKG unajumuisha uingizaji data, ujumuishaji wa kisemantiki, uhifadhi wa grafu ya maarifa na huduma za programu-uchanganuzi. Tabaka la kwanza hubadilisha data kutoka vyanzo tofauti kuwa muundo wa RDF. Tabaka la pili hufanya ulinganishaji wa huluki, upatanishaji wa ontolojia na uanzishaji wa viungo vya kuvuka maeneo. Tabaka la tatu huhifadhi triple za RDF na kazi za uhitimishaji. Tabaka la nne hutoa violesura vya hoja, dashibodi na huduma za usaidizi wa maamuzi. Usanifu unalenga kuwezesha matumizi ya pamoja ya kisemantiki bila kulazimisha umiliki wa data wa kati.

7. Tabaka la kwanza: Uingizaji data

Tabaka la uingizaji data hufanya taarifa zinazozalishwa kwa miundo tofauti na miundombinu ya jiji mahiri ziweze kuhamishwa kwenye grafu ya maarifa. Vyanzo ni pamoja na mitiririko ya sensa, rekodi za mfumo wa taarifa za kijiografia, seti za data huria za serikali na violesura vya programu.

Katika utafiti, Apache Kafka ilitumika kuhifadhi kwa muda mitiririko ya data, huku Apache Flink ikitumika kuchakata data za mtiririko. Katika uthibitisho wa dhana, Flink ilitumika kufanya ujumuishaji katika madirisha ya dakika tano.

Ulinganishaji wa RML na R2RML hufafanua jinsi sehemu za data chanzo zinavyobadilishwa kuwa madarasa na sifa zilizofafanuliwa katika ontolojia. Kwa mfano, jina la kituo na kitambulishi cha kituo katika data za usafiri vinaweza kutumika kuunda huluki ya kituo cha usafiri wa umma katika muundo wa RDF.

Ulinganishaji huu si kubadilisha muundo wa faili pekee. Kubainisha ni dhana gani zinazolingana na sehemu za chanzo ni muhimu kwa uthabiti wa hoja za kisemantiki zinazofuata.

8. Tabaka la pili: Ujumuishaji wa kisemantiki

Tabaka la ujumuishaji wa kisemantiki hubainisha rekodi katika mifumo tofauti ni za huluki zipi za ulimwengu halisi na jinsi huluki hizo zinavyohusianishwa na ontolojia ya pamoja.

Utatuzi wa huluki (entity resolution) ni mchakato wa kutathmini kama rekodi tofauti zinawakilisha huluki ileile. Upatanishaji wa ontolojia hulenga kulinganisha ufafanuzi sawa au unaohusiana katika schema tofauti za kimawazo. Ugunduzi wa viungo huwezesha kuanzishwa kwa mahusiano mapya kati ya maeneo tofauti ya data.

Katika uthibitisho wa dhana wa UrbanKG, ukaribu wa nafasi na ulinganifu wa aina vilitumika pamoja. Chanzo kinaeleza kuwa huluki zilizo ndani ya kizingiti cha mita 50 na zinazolingana kwa aina zilitathminiwa kwa kiungo cha owl:sameAs.

owl:sameAs hutangaza utambulisho wenye nguvu kati ya vitambulishi viwili vinavyokubalika kuwa vinawakilisha huluki ileile ya ulimwengu halisi. Kuwa katika maeneo yaliyo karibu pekee hakuthibitishi utambulisho halisi. Kwa hiyo, ulinganifu wa aina na tathmini ya usahihi ni muhimu.

9. Tabaka la tatu: Uhifadhi wa grafu ya maarifa

Tabaka la tatu huhifadhi triple za RDF zilizoundwa na metadata zinazohusiana. Ufikiaji hutolewa kupitia hoja za SPARQL. Kanuni za ontolojia zinaweza kuchakatwa na injini ya uhitimishaji, na modeli za embedding za grafu zinaweza kujifunza kutoka miundo ya mahusiano.

Katika utekelezaji wa chanzo, Apache Jena Fuseki 4.7.0 na sehemu ya nyuma ya TDB2 zilitumika. Mfumo uliendeshwa katika mazingira ya Docker kwa viini vinne vya CPU na 16 GB RAM.

Taarifa hizi za maunzi na programu ni muhimu ili kuelewa matokeo ya utendaji yanahusiana na mazingira gani ya kiufundi. Haiwezi kudhaniwa mapema kuwa nyakati zilezile za hoja zitapatikana kwenye maunzi tofauti.

10. Tabaka la nne: Programu na uchanganuzi

Tabaka la mwisho linajumuisha huduma zinazouliza grafu ya maarifa iliyoundwa na kuiunganisha na michakato ya usaidizi wa maamuzi ya mijini. Ncha ya SPARQL huwezesha programu kufanya hoja za mahusiano katika maeneo tofauti ya data za mijini.

Usanifu wa chanzo hutaja dashibodi, mahusiano ya matukio ya kuvuka maeneo, viungo vya pacha dijitali na huduma za utabiri kama vipengele vinavyowezekana vya matumizi. Katika uthibitisho wa dhana, utendaji endelevu wa uzalishaji katika kiwango cha jiji halisi haujaripotiwa kwa vipengele vyote hivi.

11. Kukutana kwa maeneo matano ya data za mijini katika modeli moja

GeoSPARQL husaidia kuuliza huluki kutoka maeneo tofauti zipo wapi na zimekaaje kwa kulinganisha kwa kutoa dhana za pamoja za nafasi.

Upeo rasmi wa modeli ya ontolojia umeripotiwa kuwa madarasa 47, sifa za kitu 89 na sifa za aina ya data 34. Makundi haya matatu ni tofauti: darasa huwakilisha aina ya kitu, sifa ya kitu huwakilisha uhusiano kati ya huluki mbili, na sifa ya aina ya data huwakilisha thamani ya namba au maandishi inayohusishwa na huluki.

Usimamizi wa Data wa Shirikisho ni Nini?

Usimamizi wa data wa shirikisho ni mbinu inayoruhusu maeneo tofauti ya data kuulizwa pamoja kupitia viwango vya pamoja huku yakihifadhi majukumu yao ya kitaasisi ya usimamizi na uhifadhi. UrbanKG huyachukulia maeneo ya mijini kama sehemu tofauti za grafu zilizopewa majina na kupendekeza yahusianishwe kwa istilahi za pamoja za ontolojia. Hivyo, si lazima maeneo kama usafiri au nishati yakusanywe chini ya mmiliki mmoja wa kitaasisi wa data. Hata hivyo, mgawanyo wa shirikisho pekee hauthibitishi kuwa uidhinishaji katika kiwango cha data binafsi, faragha au utii kamili wa sheria umetimizwa.

12. Grafu zilizopewa majina na hoja za kuvuka maeneo

Katika RDF, grafu iliyopewa jina (named graph) huwezesha seti fulani ya triple za RDF kuhifadhiwa chini ya utambulisho uliofafanuliwa wa grafu. Muundo huu unaweza kutumika kutenganisha miktadha kama chanzo cha data, eneo, toleo au wakati.

Katika UrbanKG imepangwa kuwa maeneo ya usafiri, nishati, mazingira, usalama wa umma na huduma za raia yaweze kusimamiwa tofauti. Vitambulisho vya pamoja, viungo vya ontolojia na kazi za shirikisho za SPARQL 1.1 zinaweza kutumika kati ya maeneo.

Katika SPARQL, tamko la GRAPH hufanya ulinganishaji katika grafu mahususi iliyopewa jina, wakati tamko la SERVICE linaweza kuelekeza hoja kwenye ncha nyingine ya huduma ya SPARQL. Hizi si kazi moja; mantiki ya grafu iliyopewa jina na ufikiaji wa ncha iliyosambazwa lazima zitenganishwe.

Chanzo kinaeleza kuwa taarifa za toleo la ontolojia zilitumika katika usimamizi wa matoleo ya kisemantiki na mada za Kafka zilitumika katika arifa za mabadiliko. Katika migongano ya masasisho, suluhisho linalotegemea alama za wakati na mbinu ya kufikia uthabiti kadri muda unavyopita zimefafanuliwa.

13. Kwa nini data za muda huwakilishwa kando?

Baadhi ya taarifa za jiji ni tulivu kwa kiasi: kuunganishwa kwa barabara au mahusiano ya mipaka ya kiutawala yanaweza kuwa mifano. Thamani ya sensa, eneo la gari au hali ya tukio inaweza kubadilika kwa muda.

UrbanKG hutenganisha mahusiano ya kimuundo na rekodi za uchunguzi zinazotegemea wakati. Taarifa za uchunguzi zinaweza kuhifadhiwa katika grafu zilizopewa majina zenye alama za wakati. OWL-Time inaweza kutumika kwa muda wa kuanza na kuisha kwa matukio; PROV-O hutumiwa kwa asili ya chanzo na mahusiano ya uzalishaji.

Kusawazisha alama za wakati kuwa UTC katika muundo wa ISO 8601 huunda msingi wa pamoja kati ya namna tofauti za kuonyesha muda kutoka vyanzo tofauti. Hata hivyo, data ya muhtasari wa kila siku na kipimo cha kiwango cha dakika havina usahihi sawa wa muda. Chanzo kinapendekeza tofauti hii iwakilishwe kwa metadata ya usahihi.

Katika mfano wa kufungwa kwa barabara wa utafiti chanzo, tukio linaonyeshwa kwa kipindi cha muda kinachoanza 15 Machi 2026 na kuisha 30 Juni 2026. Mfano huu ni uwasilishaji wa msimbo unaoeleza utaratibu wa ontolojia; haupaswi kuchanganywa na kipindi kikuu cha uchunguzi cha 1–14 Mei 2024 cha uthibitisho wa dhana.

Pia, kutokea mapema kwa wakati pekee hakuthibitishi usababishi. Katika tafsiri ya kisayansi ya minyororo ya matukio, mpangilio wa wakati na uhusiano wa kisababu lazima vichunguzwe kando.

14. Uhitimishaji wa kideduktivu na kiinduktivu

Mbinu mseto ya uhitimishaji ya UrbanKG huunganisha namna mbili tofauti za kuchakata maarifa.

Uhitimishaji wa kideduktivu (deductive inference) huanza kutoka mahusiano ya ontolojia na kanuni za kimantiki zilizofafanuliwa na kutoa mahusiano ambayo hayajaandikwa wazi lakini yanaungwa mkono na kanuni.

Uhitimishaji wa kiinduktivu (inductive inference) hutumia modeli za namba zinazojifunza miundo ya mahusiano katika data. Mbinu za embedding za grafu ya maarifa zinaweza kuwakilisha huluki na mahusiano kwa vekta kwa kusudi hili.

15. Maana ya kanuni za OWL-RL

Chanzo kinaeleza kuwa kanuni 23 za OWL-RL zilitumika kwa utaratibu wa uhitimishaji wa mnyororo wa mbele wa Apache Jena. Katika mbinu ya mnyororo wa mbele, hitimisho jipya hutolewa kutoka taarifa zilizopo kwa kutumia kanuni.

Mojawapo ya aina za kanuni za mfano ni urithishaji wa madarasa madogo. Ikiwa darasa A ni darasa dogo la B na darasa B ni darasa dogo la C, inaweza kuhitimishwa kuwa A pia ni darasa dogo la C.

Katika uhitimishaji wa domain, ontolojia inapofafanua sifa inaweza kutumika kwa darasa gani, matokeo yanaweza kupatikana kuhusu darasa la huluki inayotumia sifa hiyo.

Chanzo pia kina mifano ya uhitimishaji kuhusu ufikaji wa nafasi na mahusiano ya madarasa. Ni muhimu ni mahusiano gani ya nafasi na dhana gani za kimantiki zinatumika katika utekelezaji wa kanuni hizi; si mahusiano yote ya eneo yanaweza kuchukuliwa kuwa ya mpito bila masharti.

Katika sehemu ya tathmini ya chanzo pia kuna rejea ya kanuni 23 za SWRL. OWL-RL na SWRL ni dhana tofauti kiufundi. Kwa hiyo, kwa sababu tu idadi ileile inatajwa haipaswi kudhaniwa kuwa familia mbili za kanuni ni sawa; tofauti ya istilahi ndani ya utafiti imehifadhiwa.

16. Modeli ya embedding ya grafu ya maarifa ya RotatE

RotatE ni mbinu ya utabiri wa viungo inayomodeli huluki na mahusiano katika grafu ya maarifa kupitia uwakilishi wa vekta za namba. Katika utafiti chanzo, lengo la RotatE ni kutoa kipengele cha kiinduktivu kinachoweza kujifunza miundo inayowezekana ya viungo zaidi ya mahusiano yaliyorekodiwa wazi.

Modeli ya embedding hubadilisha huluki kuwa uwakilishi wa namba. Uwakilishi huu huwezesha kujifunza miundo ya mahusiano; hata hivyo, kiungo kupata alama ya juu ya utabiri hakumaanishi kuwa uhusiano wa ulimwengu halisi umethibitishwa kwa uhakika.

Parameta hizi ni usanidi wa modeli ulioripotiwa katika utekelezaji wa chanzo. Hakuna dai kwamba matokeo bora katika seti nyingine za data lazima yapatikane kwa parameta hizohizo.

Mbinu na Matokeo ya Utafiti

17. Hatua sita za Mbinu ya Utafiti wa Sayansi ya Usanifu

Utafiti wa Sayansi ya Usanifu (Design Science Research, DSR) ni mbinu inayoweka katikati maendeleo na tathmini ya bidhaa za utafiti kama modeli, mbinu au mfumo unaolenga kutatua tatizo. DSRM ni metodolojia iliyotumika katika chanzo inayopanga utafiti huu katika mchakato wa hatua sita.

Kielelezo cha kwanza cha chanzo kinaunganisha mzunguko wa uhusiano wa DSR unaohusishwa na mahitaji, mzunguko wa uthabiti unaohusishwa na msingi wa maarifa ya kisayansi, na mzunguko wa usanifu ambamo bidhaa ya utafiti huendelezwa na kutathminiwa kwa marudio.

18. Malengo matano ya usanifu

Chanzo kinaeleza kuwa malengo yote matano yalitimizwa katika tathmini ya uthibitisho wa dhana. Neno "yalitimizwa" hapa lina maana kwamba malengo yalijaribiwa ndani ya upeo wa utafiti uliobainishwa. Haimaanishi kuwa masharti yote ya usambazaji halisi wa uzalishaji kati ya taasisi au uendeshaji usiokatika katika jiji zima yametimizwa.

19. Vyanzo vya data na masharti ya sampuli

Uthibitisho wa dhana unatumia vyanzo kutoka maeneo matano ya data za mijini. Ingawa utafiti unategemea muktadha wa data za mijini wa Thailand, haipaswi kudhaniwa kuwa kila seti ya data ilitazamwa moja kwa moja katika jiji lilelile, kipindi kilekile na kwa mbinu ileile.

Kwa uchambuzi wa nafasi, data za mipaka za OpenStreetMap na vyanzo husika vya data za umma za Thailand zilitumika. Chanzo kinataja eneo la utafiti kuwa 103,3 km² na maeneo manane madogo ya kiutawala. Msongamano wa watu ulioripotiwa unatofautiana kutoka hadi watu 22.400/km² katika maeneo ya kati hadi watu 1.850/km² katika maeneo ya nje.

Kuna pia masuala yanayohitaji uthibitisho zaidi kati ya asili ya seti ya data ya nishati ya UCI na tarehe pamoja na idadi ya mita zilizoripotiwa katika chanzo. Kwa hiyo, si salama kisayansi kuwasilisha data zote za nishati kama vipimo vilivyofanywa moja kwa moja Bangkok katika tarehe hizo. Thamani zilizotolewa na chanzo zimehifadhiwa bila kubadilishwa, huku kikomo hiki kikibaki wazi.

20. Ukubwa wa grafu ya maarifa iliyoundwa

Kuwepo kwa idadi kubwa zaidi ya uchunguzi katika vyanzo ghafi vya data na tofauti ya idadi ya triple au uchunguzi wenye alama za wakati katika grafu ya maarifa iliyoundwa si uthibitisho wa moja kwa moja wa upotevu wa data. Hata hivyo, kwa uwezo wa kurudia utafiti ni muhimu kujua kila rekodi ya chanzo ilipitia hatua gani za ulinganishaji, ujumuishaji na uteuzi. Kwa kuwa chanzo hakitoi kumbukumbu ya kina ya ukaguzi wa mstari kwa mstari inayounganisha namba hizi zote, hatua zinazokosekana za ubadilishaji hazijajazwa kwa kubuni.

21. Matukio manne ya uoneshaji wa kuvuka maeneo

21.1. Athari ya tukio la trafiki kwa miundombinu mingine

Kwa 8 Mei 2024 saa 08.15, tukio la trafiki lililoigwa katika eneo (13,7563° K, 100,5018° D) lilitathminiwa. Huluki zinazohusika ndani ya mita 500 za tukio ziliulizwa kutoka zaidi ya eneo moja la mijini.

Chanzo kinaripoti nodi moja ya usambazaji wa nishati katika mita 347, kituo kimoja cha ubora wa hewa katika mita 423 na vituo vinne vya usafiri katika umbali wa mita 156–489. Muda wa utekelezaji wa hoja ni 298 ms.

Matokeo haya yanaonyesha kuwa aina tofauti za miundombinu zinaweza kupatikana katika hoja moja ya pamoja ya nafasi. Kuwa karibu kijiografia pekee hakuthibitishi kuwa uharibifu halisi wa kimwili umetokea katika mfumo wa nishati au wa ubora wa hewa.

21.2. Uchunguzi wa uhusiano wa usafiri na mazingira

Katika eneo la D5, thamani ya wastani ya PM2.5 katika saa zenye msongamano wa usafiri iliripotiwa kuwa 41,7 µg/m³, na thamani ya kulinganisha ya jiji zima kuwa 32,4 µg/m³. Chanzo kinaeleza tofauti hii kuwa takriban %29.

Katika tukio hilo hilo, msongamano wa vituo vya usafiri kwa D5 umetolewa kuwa vituo 0,9/km² na kwa kituo cha biashara kuwa vituo 2,1/km². Katika ulinganisho huu, msongamano wa D5 ni takriban %57 chini. Muda wa hoja ni 487 ms.

Viashiria hivi viwili vinaonyesha kuwa hali za mazingira na miundombinu ya usafiri zinaweza kuchunguzwa katika muktadha mmoja wa eneo. Hata hivyo, data haziwezi kutumiwa kuhitimisha kuwa ukosefu wa vituo vya usafiri unasababisha moja kwa moja ongezeko la PM2.5.

21.3. Uchaguzi wa rasilimali za msaada wa dharura

Katika tukio la dharura ya kimatibabu katika eneo (13,7245° K, 100,4932° D), imeripotiwa kuwa vitengo vitatu vya ambulansi vilivyokuwa tayari na vilivyokidhi kizingiti cha mwitikio wa dakika nane vilitambuliwa. Hoja ilichukua 412 ms.

Ni muhimu kuhifadhi wazi kwamba maeneo ya ambulansi yalikuwa sintetiki. Matokeo haya hayaonyeshi kuwa msafara halisi wa huduma za dharura wa Thailand ulitoa mwitikio kwenye eneo la tukio ndani ya dakika nane.

21.4. Tatizo la uasasa katika data za pacha dijitali

Huluki 34 zilizozidi kizingiti cha uasasa cha saa mbili zilipatikana: mita mahiri 18, magari 12 ya usafiri na sensa nne za mazingira. Chanzo kinasema kuwa ilithibitishwa kwa mkono kuwa rekodi 31 kati ya 34 ziliwakilisha hitilafu halisi za mawasiliano, ambayo ni takriban %91.

Muda wa hoja ni 523 ms. Uwiano huu unahusu uthibitishaji wa rekodi zilizotiwa alama katika tukio la uoneshaji lililochaguliwa; hauwezi kutumiwa kama usahihi wa jumla wa kugundua hitilafu katika mifumo yote.

22. Utendaji wa hoja: Nini hutokea idadi ya maeneo inapoongezeka?

Chanzo kinaripoti vipimo vya muda vinavyotegemea utekelezaji 100 kwa kila kundi la hoja. Inaonekana kwamba muda pia huongezeka idadi ya maeneo ya data yanayofunikwa na hoja inapoongezeka.

Wastani unaeleza thamani ya kati ya jumla ya nyakati za hoja zilizopimwa; mediani thamani ya katikati ya vipimo vilivyopangwa; asilimia ya 95 mpaka wa muda ambao takriban %95 ya uchunguzi iko chini yake; na kiwango cha juu muda wa juu zaidi ulioripotiwa.

Katika Jedwali 8 la chanzo haijaandikwa wazi kipimo gani cha usambazaji kinachowakilishwa na alama ±. Kwa hiyo, thamani hazijaitwa kiotomatiki mkengeuko sanifu au kipindi cha kujiamini.

Wakati wastani wa kundi la hoja la eneo moja ni 127 ms, wastani wa kundi la maeneo matano ni 2.834 ms. Ongezeko hili linaashiria mzigo wa ziada wa uchakataji kwa hoja zinazofunika maeneo mengi zaidi; hata hivyo, kwa kuwa ugumu wa miundo ya hoja pia unaweza kubadilika, peke yake hauundi sheria ya ulimwengu ya kuongeza kiwango.

23. Kupima mafanikio ya ulinganishaji wa huluki

Chanzo kilijaribu kipengele cha ulinganishaji kinachotathmini kama rekodi tofauti zinawakilisha huluki ileile kwa jozi 500 za huluki. Ulinganishaji wa marejeo uliwekewa alama na wataalamu wawili wa eneo na tofauti zao zikatathminiwa.

Mgawo wa kappa wa Cohen wa 0,89 uliripotiwa kwa makubaliano kati ya wataalamu. Kappa ni kipimo kinachotathmini makubaliano ya kategoria yaliyoonekana dhidi ya makubaliano yanayoweza kutarajiwa kwa bahati. Thamani ya juu huashiria makubaliano imara zaidi katika uwekaji alama wa marejeo; haipaswi kuchanganywa na kipimo cha usahihi cha modeli yenyewe.

23.1. Fomula za Precision, Recall na F1

Milinganyo sanifu ya tathmini ifuatayo ni maonesho ya kufundishia yanayoeleza maana ya kimahesabu ya vipimo vilivyoripotiwa na chanzo; si matokeo mapya ya utafiti.

\[\mathrm{Precision}=\frac{TP}{TP+FP}\]

TP inaeleza jozi zilizotambuliwa kwa usahihi kama zinazolingana; FP inaeleza jozi zilizowekwa alama kuwa zinalingana ingawa kwa kweli hazilingani.

\[\mathrm{Recall}=\frac{TP}{TP+FN}\]

FN inaeleza jozi ambazo kwa kweli zinalingana lakini zilikosekana kwa modeli.

\[\mathrm{F1}=\frac{2\times\mathrm{Precision}\times\mathrm{Recall}}{\mathrm{Precision}+\mathrm{Recall}}\]

Thamani ya F1 ni wastani wa harmoniki wa precision na recall. Hivyo, kuwa juu kwa kipimo kimoja kati ya viwili hakuamui matokeo peke yake.

Thamani za 0,94 na 0,87 zilizoripotiwa katika chanzo zikiwekwa kwenye fomula hutoa takriban 0,90. Vipimo hivi ni uwiano usio na kipimo. Kwa kuwa chanzo hakitoi idadi kamili za chanya za kweli, chanya za uongo na hasi za uongo kama matriksi kamili ya mkanganyiko, idadi zao kamili hazijabuniwa hapa.

24. Matokeo ya kiasi ya uhitimishaji mseto

Thamani ya Hits@10 ya 0,74 ina maana kwamba katika tathmini ya utabiri wa viungo iliyotumika, uwiano wa kiungo sahihi kupatikana miongoni mwa wagombea kumi wa kwanza uliripotiwa kuwa %74. Namba hii haimaanishi kuwa mahusiano yote katika grafu yamethibitishwa kwa usahihi wa %74.

MRR (Mean Reciprocal Rank) hutathmini nafasi ya jibu sahihi katika mpangilio wa utabiri. Katika uwasilishaji sanifu wenye jibu moja sahihi:

\[\mathrm{MRR}=\frac{1}{N}\sum_{i=1}^{N}\frac{1}{r_i}\]

Hapa \(N\) inaeleza idadi ya hoja za tathmini, na \(r_i\) nafasi ya jibu sahihi katika hoja husika. Ikiwa nafasi ni 1, mchango ni 1; ikiwa nafasi ni 2, mchango ni 1/2. MRR haina kipimo. Kwa kuwa chanzo hakina maelezo yote ya usambazaji wa nafasi, thamani za utendaji zilizogawanywa zaidi hazijaundwa.

Katika tathmini ya chanzo, kipengele cha kideduktivu kinaelezwa kufunika vikwazo vya schema, huku modeli ya embedding ikifunika miundo ya data. Uwezo huu miwili hauchukui nafasi ya mwingine; lengo la mbinu mseto ni kuunganisha kazi zinazokamilishana ndani ya usanifu mmoja.

Ufikivu wa Huduma za Mijini Unahesabiwaje?

Utafiti wa UrbanKG hutathmini ufikivu wa huduma za mijini kwa kuunganisha masharti ya nafasi na muda ya kufikia huduma fulani kupitia miundombinu ya usafiri. Ufikivu Unaotegemea Usafiri wa Umma (TBA), Fahirisi ya Ufunikaji wa Huduma (SCI) na Alama ya Ufikivu wa Njia Nyingi (MMAS) zimetumika katika utafiti. Ufafanuzi wa kihesabu umetolewa kwa vipimo viwili vya kwanza; kwa MMAS, uzito na wigo wa alama umeripotiwa, lakini mlinganyo kamili wa hesabu unaobainisha hatua zote za usawazishaji haujatolewa. Kwa hiyo, vipimo hivyo vitatu havipaswi kutathminiwa katika kiwango kilekile cha uhakika wa kihesabu.

25. Ufikivu Unaotegemea Usafiri wa Umma (TBA)

TBA ni uwiano wa sehemu ya eneo la wilaya inayochukuliwa kuwa inaweza kufikiwa ndani ya kikomo fulani cha muda wa usafiri dhidi ya eneo lote la wilaya. Fomula katika chanzo ni:

\[\mathrm{TBA}(d,t)=\frac{\mathrm{Area}(R_{d,t})}{\mathrm{Area}(d)}\]

Vigezo: \(d\) inawakilisha wilaya ya kiutawala, \(t\) kizingiti cha muda wa usafiri, na \(R_{d,t}\) muungano wa maeneo ya huduma yanayoweza kufikiwa ndani ya kizingiti husika. \(\mathrm{Area}\) ni kazi ya kuhesabu eneo.

Wakati namba ya juu na namba ya chini zinaonyeshwa kwa kitengo kilekile cha eneo, TBA ni uwiano usio na kipimo. Iwe maeneo yameonyeshwa kwa kilomita za mraba au mita za mraba haibadilishi uwiano ikiwa vipengele viwili vinabadilishwa kwa uthabiti.

Kihesabu, kadiri eneo linaloweza kufikiwa linavyoongezeka huku eneo lote la wilaya likibaki thabiti, TBA huongezeka. Eneo linaloweza kufikiwa linapotathminiwa ndani ya mipaka ya wilaya na maeneo yanayopishana yakahesabiwa mara moja kwa mantiki ya muungano, uwiano huwa kati ya 0 na 1.

Chanzo hutumia kizingiti cha dakika \(t=15\) katika muktadha wa jiji la dakika 15. Hata hivyo, kuchukuliwa kwa eneo kuwa linafikika na kila mkazi wa wilaya kufikia kwa kweli huduma fulani si kipimo kilekile. Mgawanyo wa watu katika nafasi na muda halisi wa safari pia unaweza kuwa muhimu.

26. Fahirisi ya Ufunikaji wa Huduma (SCI)

SCI inaeleza uwiano wa vituo vya huduma vinavyofikika katika kategoria fulani ya huduma dhidi ya idadi ya watu wa wilaya husika. Mlinganyo wa chanzo:

\[\mathrm{SCI}(d,s)=\frac{|\{p\in S_s:\mathrm{distance}(d,p)\leq\theta\}|}{\mathrm{Population}(d)}\]

Vigezo: \(d\) inaeleza wilaya, \(s\) aina ya huduma, \(S_s\) seti ya vituo vya huduma vya aina husika, \(p\) kituo kimoja cha huduma, \(\theta\) kizingiti cha ufikivu na \(\mathrm{Population}(d)\) idadi ya watu wa wilaya.

Thamani kamili ya seti katika namba ya juu ni idadi ya vituo vya huduma vinavyokidhi sharti la kizingiti kilichobainishwa. Namba ya chini ni idadi ya watu. Matokeo katika umbo ghafi ni uwiano wa vituo vya huduma vinavyofikika kwa kila mtu; ikiwa yatawasilishwa kama idadi ya huduma kwa watu 10.000, upanuzi wa kipimo unaofaa unahitajika.

Chanzo kimetoa mifano ya ufikivu wa dakika 15 kwa usafiri wa umma au kutembea mita 800 kama kizingiti. Muda na umbali ni vipimo vya aina tofauti; hata kama vinaonyeshwa kwa alama ileile, vitengo vya vipimo vinavyolinganishwa katika utekelezaji lazima viwe na uthabiti.

Pia, jinsi umbali kutoka wilaya hadi kituo cha huduma unavyofafanuliwa inaweza kutoa matokeo tofauti kulingana na jiometri ya mpaka, nukta ya kati au mtandao halisi wa usafiri. Fomula ya chanzo haiamui yenyewe maelezo yote haya ya utekelezaji.

27. Alama ya Ufikivu wa Njia Nyingi (MMAS)

MMAS imefafanuliwa ili kukusanya ufikivu katika maeneo tofauti ya huduma za msingi ndani ya alama moja ya mchanganyiko. Chanzo kinatoa wigo wa matokeo kati ya 0 na 10.

Jumla ya uzito ni 1. Hii hufafanua umuhimu wa jamaa wa vipengele. Hata hivyo, chanzo hakitoi mlinganyo kamili wa kihesabu unaoonyesha jinsi vipengele ghafi vilivyosawazishwa na kubadilishwa kuwa alama ya 0–10.

Kwa hiyo, haiwezi kudaiwa kwa kuangalia uzito pekee kwamba algoriti inayozalisha upya thamani za MMAS za utafiti imejengwa. Maelezo ya ubadilishaji uliotumika kutoa alama ya kinyume kwa thamani ya PM2.5 ni muhimu hasa.

28. Matokeo ya ufikivu katika maeneo matano

Katika chanzo, Eneo 1 lina thamani ya juu zaidi ya MMAS na Eneo 8 ya chini zaidi. Uwiano wa 8,2/2,4 ni takriban 3,4; watafiti wanachukulia tofauti hii katika muktadha wa ukosefu wa usawa wa ufikivu.

Utafiti unaeleza kuwa muundo wa kizingiti ulionekana wakati msongamano wa vituo ulikuwa karibu vituo 1,0/km². Matokeo haya ni muundo wa maeneo yaliyochunguzwa; hayapaswi kuwasilishwa kama kizingiti cha kimataifa cha miundombinu kilichothibitishwa katika miji mingine.

Chanzo pia kinaripoti uhusiano wa Spearman \(\rho=-0,63\) kati ya ubora wa mazingira na ufikivu. Spearman rho hufupisha mwelekeo na nguvu ya uhusiano unaotegemea upangaji. Alama hasi inaonyesha kuwa upangaji wa vigezo viwili unahusiana kwa mwelekeo wa kinyume; haimaanishi usababishi.

Chanzo pia kinaeleza kuwa kiwango cha wastani cha PM2.5 katika maeneo yenye ufikivu dhaifu kilikuwa %38 juu zaidi. Hata hivyo, kwa kuwa thamani ghafi za vikundi vidogo na taarifa za kutokuwa na uhakika za ulinganisho huu hazijawasilishwa kikamilifu, uhitimishaji wa ziada wa kitakwimu haufanywi.

29. Ufikivu wa hospitali kulingana na saa ya siku

Ufikivu wa juu zaidi uliripotiwa kuwa %71 katika saa za msongamano wa asubuhi na %28 wakati wa usiku. Chanzo kinaeleza kuwa ufikivu wa usiku ulipungua.

Thamani hizi ni za maeneo yaliyochaguliwa na chanzo na mbinu ya hesabu ya uthibitisho wa dhana. Uwiano wa ufikivu wa hospitali si kipimo kilekile na muda wa ambulansi kufika eneo la tukio au huduma ya matibabu kupokelewa kwa kweli.

Kushuka kwa ufikivu wa usiku hadi %28 katika Jedwali 10 la chanzo kunaonyesha tofauti za muda ndani ya upeo wa utafiti. Matokeo haya hayawezi kuhamishwa moja kwa moja kwa miji mingine.

30. Kazi ya kisayansi ya hoja za SPARQL za chanzo

Viambatisho vya makala vina miundo ya mfano ya SPARQL kwa athari za matukio, uhusiano wa usafiri na mazingira, uchaguzi wa kitengo cha msaada wa dharura, uasasa wa data na kuuliza kati ya sehemu tofauti za grafu.

Mantiki kuu ya hoja hizi ni kupata huluki za aina tofauti za ontolojia kupitia mahusiano na maeneo yake badala ya uchujaji mdogo kutoka jedwali moja la data.

Kwa mfano, hoja ya ufikivu wa hospitali huunganisha mpaka wa kiutawala, vituo vya usafiri na huluki za hospitali. Hutumia kazi ya umbali ya GeoSPARQL kupata rekodi zinazokidhi sharti fulani la umbali.

Hoja ya hospitali katika Kielelezo 3 cha chanzo ina kichujio cha ukaribu cha mita 2.000. Kichujio hiki cha umbali si sawa na hesabu kamili ya safari halisi ya dakika 15 kwa usafiri wa umma. Sifa kama viungo kati ya vituo, ratiba za safari, muda wa kusubiri na mtandao wa barabara zinaweza pia kuwa muhimu katika hesabu ya muda halisi wa safari.

Jedwali hili si uhamisho wa neno kwa neno wa msimbo wa chanzo; ni muhtasari huru wa mchakato unaoeleza kazi ya kisayansi ya msimbo. Ili kuthibitisha utekelezekaji kamili wa hoja katika viambatisho vya chanzo, ufafanuzi halisi wa viambishi awali, aina za data, kazi zilizotumika na ncha za programu lazima zijaribiwe kando.

31. Kanuni nne za usanifu zilizotolewa na utafiti

Kanuni ya kwanza — Umodyuli wa ontolojia na usimamizi: Kugawa maarifa ya jiji katika ontolojia za maeneo zinazojitegemea lakini zilizopatanishwa na viwango husaidia kushughulikia kwa pamoja majukumu ya kitaasisi ya data na mahitaji ya ujumuishaji wa kisemantiki.

Kanuni ya pili — Kutenganisha taarifa za kimuundo na za uchunguzi: Kuweka mahusiano ya kimuundo yaliyo tulivu kwa kiasi na rekodi za sensa zinazobadilika daima katika miktadha tofauti kunaweza kupanga hoja za wakati na asili ya data.

Kanuni ya tatu — Ujumuishaji wa maarifa kwanza: Ili kazi za juu za utabiri na uchanganuzi zifanye kazi kwa maana, data zinazohusiana lazima kwanza ziunganishwe kwa uthabiti.

Kanuni ya nne — Ujenzi wa juu-chini unaoanza na ontolojia: Katika maeneo ya kiutendaji ambako ubora wa data na uwezo wa ukaguzi ni muhimu, inaweza kuwa na manufaa kufafanua madarasa, sifa na vikwazo kabla ya kuingiza data za mfano.

Kanuni hizi ni mapendekezo yanayoweza kuhamishwa yaliyotolewa na waandishi wa chanzo kutoka utafiti wa usanifu. Si matokeo ya jaribio la kimataifa yanayosema bila masharti kwamba ndiyo mbinu bora zaidi katika mifumo yote ya mijini.

32. Masuala sita ya kiufundi yaliyo wazi katika utafiti

Chanzo kinaripoti uwezo wa kuongeza triple 12.000 kwa sekunde katika uthibitisho wa dhana, huku kikisema kuwa hii haitimizi mahitaji ya muda halisi chini ya sekunde katika kiwango cha jiji.

Masasisho mawili ya ontolojia yalijaribiwa katika uoneshaji. Hii haimaanishi kuwa mabadiliko ya muda mrefu ya schema katika grafu kubwa ya maarifa ya jiji iliyounganishwa na inayofanya kazi daima yametatuliwa.

Chanzo pia kinaelekeza umakini kwenye mahitaji ya uhifadhi uliosambazwa na uchakataji wa hoja kwa matukio ya miji mikuu yanayoweza kuzidi triple milioni 10.

Kutenganisha sehemu za data za shirikisho hakuthibitishi kuwa vikwazo vya ufikiaji katika kiwango cha data binafsi au utii wa GDPR vimetekelezwa kikamilifu. Kwa hakika, chanzo kinachukulia hili kama suala wazi la utafiti linalohitaji kuendelezwa katika siku zijazo.

33. Matokeo yanapaswa kutafsiriwaje?

Utafiti wa UrbanKG unatoa uthibitisho wa dhana wa kiufundi ambapo maeneo tofauti ya mijini yanaweza kuulizwa kupitia ontolojia za pamoja. Matokeo ya namba yaliyopatikana yameripotiwa chini ya masharti mahususi ya programu, maunzi, data na hoja.

Hoja zilizoendeshwa kwa mafanikio zinaunga mkono uwezo wa ujumuishaji wa kisemantiki. Matokeo ya ulinganifu wa kimuundo yanaonyesha sehemu ya uthibitishaji wa ontolojia, huku matokeo ya uhitimishaji yakionyesha kuwa mifumo inayotegemea kanuni na inayotegemea kujifunza inaweza kutumika pamoja.

Uchambuzi wa ufikivu wa huduma unaonyesha kuwa viashiria tofauti vya mijini vinaweza kuhusianishwa ili kuchunguza tofauti za kieneo. Hata hivyo, matokeo haya hayapaswi kuwasilishwa kama utafiti wa kisababishi unaoeleza sababu zote za ukosefu wa usawa wa mijini.

34. Kutolingana ndani ya chanzo na mipaka ya uwezo wa kurudia utafiti

Muktadha wa chanzo cha data: Haipaswi kudhaniwa kuwa rekodi za usafiri, nishati, mazingira na usalama wa umma zilizokusanywa kutoka vyanzo tofauti zina asili ileile ya kijiografia au ya muda. Maeneo sintetiki ya ambulansi ni wazi data za uoneshaji.

Kauli ya dakika 15: Katika sentensi moja ya sehemu ya ufikivu ya chanzo, wakati dhana ya jiji la dakika 15 inaelezwa, kuna kauli ya ufikivu wa dakika 1. Fomula na uchambuzi unaofuata huendelea kwa dakika 15. Tofauti hii inapaswa kuhifadhiwa kama kutolingana ndani ya matini ya utafiti.

Istilahi za kanuni: Idadi ileile ya 23 imetumika katika sehemu tofauti kwa kanuni za OWL-RL na SWRL. Ili kubainisha ni zipi hasa ziliendeshwa katika utekelezaji, msimbo na orodha husika za kanuni zinahitaji kukaguliwa.

Hesabu ya ufikivu: Fomula ya SCI, asilimia za ufikivu zilizotolewa kwenye jedwali na kichujio cha mfano cha umbali cha SPARQL zina kazi tofauti za kipimo. Jinsi zilivyobadilishwa kikamilifu kutoka moja hadi nyingine haijaripotiwa kwa kiwango kilekile cha maelezo katika kila hatua. Milinganyo inayokosekana ya ubadilishaji haijabuniwa.

Usawazishaji wa MMAS: Chanzo kinatoa uzito wa vipengele, lakini hakitoi mlinganyo unaofafanua kikamilifu jinsi kila kipengele kinavyobadilishwa kuwa alama ya 0–10. Kwa hiyo, alama za jedwali zimewasilishwa kama thamani za chanzo na hazijaoneshwa kana kwamba zimehesabiwa kwa kujitegemea.

Kutokuwa na uhakika wa kitakwimu: Katika baadhi ya majedwali ya tathmini, asili kamili ya kitakwimu ya thamani za ± zinazozunguka wastani haijabainishwa. Vipindi vipya vya kujiamini, majaribio ya umuhimu au ukubwa wa athari havijazalishwa.

35. Mchango wa kisayansi na mipaka ya utafiti

36. Hitimisho la jumla la kisayansi

Utafiti wa UrbanKG wa Khantong, Savithi na Ahmad hauchukulii usimamizi jumuishi wa data katika miji mahiri kuwa tatizo la kukusanya na kuhifadhi data pekee. Utafiti unaweka katikati uwakilishi wa taarifa za mijini zinazomilikiwa na taasisi tofauti kupitia dhana za pamoja, mahusiano, wakati na muktadha wa kijiografia.

Watafiti wamepanga mbinu hii kwa usanifu wa tabaka nne, malengo matano ya usanifu, maendeleo yanayoanza na ontolojia, usimamizi wa grafu wa shirikisho na taratibu za uhitimishaji mseto. Matokeo ya uthibitisho wa dhana yanaunga mkono uwezekano wa utekelezaji ndani ya upeo wa kiufundi uliobainishwa.

Mchango muhimu wa utafiti, pamoja na kuonyesha kuwa hoja fulani zinafanya kazi, ni kuunda kanuni za usanifu na maswali wazi ya utafiti kwa grafu za maarifa za mijini zinazoweza kujengwa katika siku zijazo.

Hata hivyo, mahitaji ya uthibitishaji yanaendelea kuhusu utendaji, asili ya data, uhamishikaji wa kijiografia, uendeshaji wa muda halisi kwa kiwango kikubwa, faragha ya data na ufafanuzi wa vipimo.

Kwa hiyo, UrbanKG inapaswa kueleweka si kama mfumo wa ulimwengu uliokamilika uliotatua matatizo yote ya miji mahiri, bali kama utafiti wa usanifu uliotathminiwa na ulio wazi kwa maendeleo, unaochunguza kiufundi ushirikiano wa kisemantiki kati ya maeneo ya mijini.

Maelezo ya Chanzo na Mbinu

Taarifa za uchapishaji asilia wa kitaaluma

Kichwa asilia: Knowledge Graphs for Integrated Urban Data Management in Smart Cities: A Framework for Semantic Interoperability Across Urban Domains.

Waandishi: Sommai Khantong; Charuay Savithi; Mohammad Nazir Ahmad.

Mwandishi wa mawasiliano: Sommai Khantong.

Taasisi ya kwanza: Digital Business and Information Systems Department, Mahasarakham Business School, Mahasarakham University, Thailand.

Taasisi ya pili: Smart City Management and Digital Innovation Department, Mahasarakham Business School, Mahasarakham University, Thailand.

Taasisi ya tatu: Institute of Visual Informatics, Universiti Kebangsaan, Malaysia.

Jarida: Urban Science.

Mchapishaji: MDPI, Basel, Switzerland.

Rekodi ya uchapishaji: 2026, juzuu 10, toleo 6, makala 308.

Tarehe ya kuwasilishwa: 14 Machi 2026.

Tarehe ya marekebisho: 19 Mei 2026.

Tarehe ya kukubaliwa: 27 Mei 2026.

Tarehe ya kuchapishwa: 1 Juni 2026.

DOI: 10.3390/urbansci10060308.

Uchapishaji rasmi: https://www.mdpi.com/2413-8851/10/6/308.

Leseni: Creative Commons Attribution 4.0 International (CC BY 4.0). Masharti ya leseni.

Aina ya chanzo: Utafiti wa kitaaluma uliopitiwa na wenzao; mbinu ya sayansi ya usanifu na tathmini ya kiufundi ya uthibitisho wa dhana.

Ufadhili: Mahasarakham Business School, Mahasarakham University, Thailand.

Mgongano wa maslahi: Waandishi wametangaza kuwa hakuna mgongano wa maslahi.

Ufikiaji wa programu na data: Utafiti chanzo unaripoti kuwa utekelezaji umetolewa chini ya leseni ya MIT katika hifadhi ya UrbanKG GitHub. Maudhui ya sasa ya msimbo na hali ya kufanya kazi ya hifadhi hiyo hayajaendeshwa na kuthibitishwa kwa kujitegemea katika makala hii ya Verianla.

Michango ya watafiti

Katika chanzo, uundaji wa dhana umehusishwa na Sommai Khantong na Charuay Savithi; metodolojia na Sommai Khantong na Mohammad Nazir Ahmad; programu, uchambuzi rasmi, utafiti na upangaji wa data na Sommai Khantong. Uthibitishaji ulifanywa na Sommai Khantong na Charuay Savithi. Rasimu asilia iliandaliwa na Sommai Khantong; Charuay Savithi na Mohammad Nazir Ahmad walichangia mapitio na uhariri. Uoneshaji, usimamizi wa mradi na upatikanaji wa ufadhili vimeorodheshwa miongoni mwa michango ya Sommai Khantong; usimamizi wa kitaaluma miongoni mwa michango ya Charuay Savithi na Mohammad Nazir Ahmad.